如何在Polars中按数字对字符串类型hotel_id进行自然排序？

原问题场景 #

当前代码按hotel_id字典序排序会出现h_1后紧跟h_10的情况，要实现按hotel_id中的数字进行自然排序，核心是提取字符串中的数字部分并转为数值类型，基于该数值排序。

方法一：提取临时数字列排序（兼容所有Polars版本） #

先通过正则提取hotel_id中的数字，生成临时列，按该列排序后可选择删除临时列：

import polars as pl

result = (
    reseve_tb
    .group_by("hotel_id")
    .agg(
        pl.col("total_price").var().fill_null(0).alias("price_var"),
        pl.col("total_price").std().fill_null(0).alias("price_std")
    )
    # 提取hotel_id中的数字并转为整数
    .with_columns(pl.col("hotel_id").str.extract(r"(\d+)").cast(pl.Int32).alias("hotel_num"))
    .sort("hotel_num")  # 基于数字列自然排序
    .drop("hotel_num")  # 可选：删除临时生成的数字列
)

方法二：使用sort的key参数（Polars 0.19+版本推荐） #

Polars 0.19及以上版本支持sort方法的key参数，无需生成临时列，直接指定排序逻辑：

import polars as pl

result = (
    reseve_tb
    .group_by("hotel_id")
    .agg(
        pl.col("total_price").var().fill_null(0).alias("price_var"),
        pl.col("total_price").std().fill_null(0).alias("price_std")
    )
    .sort(
        by="hotel_id",
        # 定义排序键：提取数字并转为整数
        key=lambda s: s.str.extract(r"(\d+)").cast(pl.Int32)
    )
)

关键说明 #

• 正则表达式r"(\d+)"用于匹配hotel_id中的连续数字字符，确保精准提取数字部分。
• 转为整数类型后，排序逻辑会遵循数值大小，而非字符串字典序，从而实现h_1→h_2→…→h_9→h_10的自然排序。

内容的提问来源于stack exchange，提问作者ponda